MétaCan
Menu
Retour à la cohorte
Enregistrement W2128519709 · doi:10.1109/hcc.2002.1046356

Solving design problems in a logic-based visual design environment

2003· article· en· W2128519709 sur OpenAlexaff
Omid Banyasad, P.T. Cox

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProgramming languageDesign languageLogic programmingProgrammerVisual programming languageInductive programmingFunctional logic programmingProgramming paradigmTheoretical computer scienceSoftware engineering

Résumé

récupéré en direct d'OpenAlex

Designs of complex objects often include parameters which, when given values, provide a realisation of a specific example of the design. Such parametrised designs, therefore, actually represent families of objects. In order to provide the programming capabilities necessary for building such parametrised designs, some computer-aided design systems include programming languages or provide interfaces to them. This creates a sharp division in the design process between designer and programmer. To address this discontinuity, a Language for Structured Design (LSD) has been proposed as an extension to a visual logic programming language. In LSD, design components and operations on them are homogeneously represented in one language. Here we report on another advantage of the LSD approach; namely, that visual logic programming, used as the engine to drive the parametrised assembly of objects, also provides powerful symbolic problem-solving capability. This allows the designer/programmer to work at a higher level, giving descriptive rather than prescriptive specifications of a design. Hence LSD integrates problem solving, synthesis, and modeling in a single homogeneous programming/design environment. We demonstrate the problem-solving capabilities of LSD using the masterkeying problem.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,053
Tête enseignante GPT0,255
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDesign Education and PracticeTravaux en français237 207